à jour

3/TP3_voisin.py

@@ -1,7 +1,6 @@
 #!/usr/bin/env python3
 import sys, os
 import matplotlib.pyplot as plt
-from random import random, choice
 import numpy as np
 from time import sleep
 import argparse
@@ -11,27 +10,48 @@ from math import * # pour utliser les fonctions mathématiques dans l'option -f
     MNI TP3 - 27 janvier 2020
     Dylan Voisin - M1 Informatique Luminy
     Franck Palacios - M1 Informatique Luminy
+    Cyril Colin - M1 Informatique Luminy
 
     Notes:
         - u1 et u2 ne semblent pas orthogonaux, ceci est dû à la non utilisation
           d'une échelle 1:1 pour l'affichage des points
         - u1 et u2 ne sont pas proportionnels par rapport à lambda mais à la
-          distance entre le barycentre et le point le plus éloigné selon la
+          distance entre le barycentre et la limite de la fenêtre
-          composante x ou y
         - u1 est orienté «vers la droite» et u2 «vers le haut» dans ce programme
+        - u1 et u2 apparaîssent comment des traits plutôt que des flèches car
+          matplotlib gère mal l'affichage de vecteurs, et plt.arrow peut dans
+          certains cas donner des têtes de flèche assez étranges selon le rapport
+          y:x du nuage de point
+        - le code n'a pas besoin d'être touché pour changer le comportement lors
+          du lancement, exemples:
+            
+            * afficher un nuage de point selon cos(x) entre 0 et 1 (pas de 0.1 par
+              défaut et inchangeable sauf dans le code):
+              > python3 TP3_voisin.py -f "cos(x)" -m 1 -s
+
+            * idem mais avec un bruit de 0.5 (-g applique le bruit -n BRUIT dès la génération)
+              > python3 TP3_voisin.py -f "cos(x)" -m 1 -g -n 0.5 -s
+            
+            * afficher 10 boucles (avec bruit, défaut=10) avec la fonction sqrt(x)
+              > python3 TP3_voisin.py -f "sqrt(x)" -m 10 -n 2 -l 10
+              le délai entre chaque itération se fait avec le paramètre -d SECONDES (ex -d 2.5)
+            
+            * afficher les points contenus dans le fichier exemple.txt (format plus bas)
+              > python3 TP3_voisin.py -i exemple.txt -s
+
+            * les boucles, génération de bruit à l'initialisation sont également possible pour
+              la lecture d'un fichier
+            
+            * on peut afficher l'aide via
+              > python3 TP3_voisin.py -h
+        
+        Format du fichier d'entrée:
+        x0 y0
+        x1 y1
+        …
+        xn yn
 """
 
-
-def acquérir_depuis_fichier(filename):
-    # l_pts = []
-    # with open(filename) as f:
-    #     for line in f:
-    #         split = line.split()
-    #         if len(split) == 2:
-    #             l_pts.append(list(map(float, split)))
-    # return np.array(l_pts)
-    return np.loadtxt(filename)
-
 def calc_barycentre(l_pts):
     x = sum(l_pts[:,0]) / len(l_pts)
     y = sum(l_pts[:,1]) / len(l_pts)
@@ -130,13 +150,11 @@ def get_info_affichage(l_pts):
     pb = min(l_pts, key = lambda x: x[1])
     pg = min(l_pts, key = lambda x: x[0])
     dist = min(max(l_pts[:,0]) - bary[0], max(l_pts[:,1]) - bary[1])
-    # dist = max(map(lambda x: np.linalg.norm(x-bary), l_pts))
     dist_x = max(l_pts[:,0]) - min(l_pts[:,0])
     dist_y = max(l_pts[:,1]) - min(l_pts[:,1])
     x_range = min(l_pts[:,0]) - 0.1 * dist_x, max(l_pts[:,0]) + 0.1 * dist_x
     y_range = min(l_pts[:,1]) - 0.1 * dist_y, max(l_pts[:,1]) + 0.1 * dist_y
     u1, u2 = get_u1_u2_affichage(u1, u2, bary, dist_x, dist_y, pb, pg)
-    # print(u1, u2)
     return u1, u2, x_range, y_range
 
 
@@ -148,7 +166,6 @@ def visualiser_nuage(l_pts):
     plt.scatter(l_pts[:,0], l_pts[:,1])
     ax.arrow(*bary, *u1, ec="red", fc="white")
     ax.arrow(*bary, *u2, ec="orange", fc="white")
-    # ax.set_aspect('equal')
     plt.show()
 
 def animation_nuage(l_pts, loops=10, time_sleep=2, delta_bruit=3):
@@ -220,41 +237,20 @@ def main(argv):
             print("File", args.input, "not found.", file=sys.stderr)
             sys.exit(1)
         else:
-            l_pts = acquérir_depuis_fichier(args.input)
+            l_pts = np.loadtxt(args.input)
     else:
-        l_pts = []
         n = args.max_dot_xval
         f = lambda x: eval(args.function) # fonction génératrice de la ditribution
-        if args.generate_with_noise:
+        l_pts = np.array([[i, f(i)] for i in np.arange(0, n, 0.1)])
+    if args.generate_with_noise:
             delta_bruit = args.noise # bruit généré, 0 si on en veut aucun
-        else:
+            bruit = np.random.random(len(l_pts)) * 2 * delta_bruit - delta_bruit            
-            delta_bruit = 0
+            l_pts[:,1] += bruit # application du bruit
-        for i in np.arange(0, n, 0.1):
-            y = f(i) + choice((-1, 1)) * random() * delta_bruit/2
-            l_pts.append([i, y])
-        l_pts = np.array(l_pts)
     if args.show:
         visualiser_nuage(l_pts)
     elif args.loop:
         animation_nuage(l_pts, args.loop, args.delay, args.noise)
 
 
-
 if __name__ == "__main__":
-    # if len(sys.argv) == 2:
-    #     l_pts = acquérir_depuis_fichier(sys.argv[1])
-    # else:
-    #     l_pts = []
-    #     n = 500 # nombre de points
-    #     f = lambda x: x/2 + 3 # fonction génératrice de la ditribution
-    #     delta_bruit = 10 # bruit généré, 0 si on en veut aucun
-    #     for i in range(n):
-    #         y = f(i) + choice((-1, 1)) * random() * delta_bruit/2
-    #         l_pts.append([i, y])
-    #     l_pts = np.array(l_pts)
-    # # np.savetxt("pts.txt", l_pts, "%f")
-    # u1, u2 = diagonaliser_matrice22(calc_matrice_corrélation(l_pts))[:2]
-    # # print(f"{u1/np.linalg.norm(u1)=}\n{u2/np.linalg.norm(u2)=}")
-    # visualiser_nuage(l_pts)
-    # animation_nuage(l_pts, 20, delta_bruit=100)
     main(sys.argv[1:])